發(fā)布時間：2018-04-05 03:09

  本文選題：圖像分割　切入點(diǎn)：鈣化斑塊　出處：《北京郵電大學(xué)》2017年碩士論文

【摘要】：冠心病的死亡率一直居高不下,是一種全世界范圍內(nèi)普遍存在的疾病。為了能夠?qū)谛牟』颊哐艿莫M窄程度進(jìn)行精確診斷,醫(yī)療工作者采用了目前最具有臨床意義的指標(biāo)---血流儲備分?jǐn)?shù)(Fractional Flow Reserve,FFR)。然而,計(jì)算FFR之前需要得到患者冠狀動脈血管三維重建的精確模型,這就涉及到本文的兩個主要研究點(diǎn)---血管分割以及鈣化斑塊的檢測及祛除。傳統(tǒng)的圖像分割算法大體上可以歸納為兩類:基于邊緣的方法和基于區(qū)域的方法。前者通過檢測相鄰像素特征值的突變來獲得不同區(qū)域之間的邊界,再把邊界連接起來,從而將圖像分成不同的區(qū)域,如各種微分算子邊緣檢測法。后者則是按照事先定義的準(zhǔn)則,將某些局部特征(如灰度、紋理等)相似的像素或小區(qū)域合并為更大的區(qū)域,如區(qū)域生長算法,分水嶺算法等。心臟區(qū)域的血管縱橫交錯,分布極其復(fù)雜,再加上其在CT圖像中像素值差異不明顯,傳統(tǒng)的圖像分割算法就顯得力不從心了。本文分析了傳統(tǒng)圖像分割算法的優(yōu)缺點(diǎn)并結(jié)合冠狀動脈血管的走行方向以及各分支的粗細(xì)、長短等特點(diǎn),提出了一種適用于冠狀動脈血管的三維圖像分割算法。實(shí)驗(yàn)結(jié)果表明,該算法分割精度更高,并且效率也有很大提升。除此之外,患者冠脈血管壁上附著生長的鈣化斑塊會影響血流速度,如果在CT圖像中不加以祛除,會對FFR計(jì)算結(jié)果的精度產(chǎn)生嚴(yán)重影響,所以,需要將CT圖像中的鈣化斑塊檢測出來并祛除。為了降低斑塊檢測的誤檢率,本文采用了 HOG特征和LBP特征結(jié)合SVM分類器的方法對鈣化斑塊進(jìn)行了初步的檢測。接下來,在前人研究成果的基礎(chǔ)上,提出了定向膨脹算法和基于血管中心線的斑塊輪廓擬合算法,實(shí)現(xiàn)斑塊祛除。經(jīng)過這兩步的處理,完成了鈣化斑塊的檢測及祛除。通過對實(shí)驗(yàn)結(jié)果的分析比較,證明了本文的方法在斑塊的檢測及祛除方面達(dá)到了比較高的精確度。
[Abstract]:Coronary heart disease mortality has been high, is a worldwide widespread disease.In order to accurately diagnose the degree of vascular stenosis in patients with coronary heart disease (CHD), medical workers have adopted Fractional Flow Reserve fraction (Fractional Flow Reserve), which is the most important clinical marker.However, it is necessary to obtain an accurate model of three-dimensional reconstruction of coronary artery before calculating FFR, which involves two main research points in this paper-blood vessel segmentation, detection and removal of calcified plaque.Traditional image segmentation algorithms can be classified into two categories: edge-based method and region-based method.In the former, the boundary between different regions is obtained by detecting the mutation of adjacent pixel eigenvalues, and then the boundary is connected together, thus the image is divided into different regions, such as the edge detection methods of various differential operators.On the other hand, according to the pre-defined criteria, some similar pixels or small regions with similar local features (such as grayscale, texture, etc.) are merged into larger regions, such as region growth algorithm, watershed algorithm and so on.The blood vessels in the heart region are crisscrossed and the distribution is extremely complex. Besides, the pixel value difference in CT images is not obvious, so the traditional image segmentation algorithm is not strong enough.In this paper, the advantages and disadvantages of traditional image segmentation algorithms are analyzed, and a 3D image segmentation algorithm suitable for coronary artery segmentation is proposed, which combines the characteristics of the direction of coronary artery and the thickness and length of each branch.Experimental results show that the algorithm has higher segmentation accuracy and higher efficiency.In addition, calcified plaques attached to the coronary artery wall affect blood flow velocity, and if not removed from CT images, the accuracy of the FFR results can be seriously affected, so,Calcified plaques in CT images need to be detected and removed.In order to reduce the false detection rate of plaque detection, the method of HOG feature and LBP feature combined with SVM classifier is used to detect calcified plaque.Then, on the basis of the previous research results, the directional expansion algorithm and the patch contour fitting algorithm based on the center line of blood vessels are proposed to achieve plaque removal.After these two steps of treatment, the detection and removal of calcified plaques were completed.Through the analysis and comparison of the experimental results, it is proved that the proposed method achieves high accuracy in plaque detection and removal.
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R816.2;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉侃;;年輕人中超半數(shù)有非鈣化斑塊[J];中國社區(qū)醫(yī)師;2010年05期

2 張惠娟;;冠狀動脈CT血管造影對冠心病患者非鈣化斑塊的研究[J];中國醫(yī)療前沿;2012年24期

3 藍(lán)欣昧;;新的冠脈鈣化評估方法[J];心血管病防治知識;2008年07期

4 ;鈣磷水平增加促進(jìn)動粥斑塊鈣化[J];透析與人工器官;2012年01期

5 顏海強(qiáng);翁國星;;鈥激光心臟瓣膜去鈣化斑塊功率的探討[J];福建醫(yī)科大學(xué)學(xué)報(bào);2010年04期

6 王穎;趙虹;韓銘鈞;柳學(xué)國;彭健;李坤煒;秦培鑫;;多層螺旋CT檢測冠狀動脈非鈣化斑塊的臨床意義[J];中西醫(yī)結(jié)合心腦血管病雜志;2008年05期

7 任小璐;劉云;王杏娟;王雪梅;張志遠(yuǎn);寶金瑞;;能譜CT評估頸動脈粥樣硬化非鈣化斑塊成分[J];中國醫(yī)學(xué)影像技術(shù);2013年02期

8 郭軼虹;張成喜;譚理連;熊龍根;畢肖紅;;320排CT在冠狀動脈鈣化斑塊與非鈣化斑塊狹窄對比研究中的應(yīng)用[J];中國動脈硬化雜志;2013年05期

9 吳江;趙衛(wèi)東;牛曉鳳;蔡琳;;寶石CT對冠狀動脈鈣化斑塊與鄰近非鈣化斑塊的觀察[J];中國當(dāng)代醫(yī)藥;2013年18期

10 王穎,趙虹,韓銘鈞,柳學(xué)國,何艷麗,劉曉彬;多層螺旋CT回顧性心電門控技術(shù)檢測冠狀動脈鈣化斑塊不同重建方法的比較和優(yōu)化選擇[J];中國醫(yī)學(xué)影像技術(shù);2005年06期

相關(guān)會議論文 前10條

1 張峰;申功勛;;一種適用于天文導(dǎo)航的快速圖像分割算法[A];中國航空學(xué)會控制與應(yīng)用第十二屆學(xué)術(shù)年會論文集[C];2006年

2 楊衛(wèi)平;李忠科;王勇;呂培軍;;基于區(qū)域的圖像分割算法綜述[A];第十七屆全國測控計(jì)量儀器儀表學(xué)術(shù)年會（MCMI'2007）論文集（上冊）[C];2007年

3 萬永菁;楊大毛;;一種圖像分割算法在纖維增強(qiáng)復(fù)合材料圖像處理中的應(yīng)用(英文)[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

4 蔣一明;王克勇;鄭鏈;宋承天;;坦克目標(biāo)紅外圖像分割算法研究[A];2007年光電探測與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會論文集[C];2007年

5 陳亮;葉旭鳴;俞利;;一種基于圖論的圖像分割算法[A];全國第4屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

6 趙海英;楊一帆;徐光美;;基于邊緣形態(tài)變換的彩色織物圖像分割算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

7 魯勝強(qiáng);桂預(yù)風(fēng);;基于灰色遺傳的圖像分割算法研究[A];第九屆中國青年信息與管理學(xué)者大會論文集[C];2007年

8 傅明建;劉秉瀚;;一種腎小管病理圖像分割算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

9 毋立芳;涂玲;申偉;;一種魯棒的圖像分割算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

10 李景福;龍志軍;張報(bào)山;包晨陽;;一種改進(jìn)的紅外圖像分割算法[A];2007年中國農(nóng)業(yè)工程學(xué)會學(xué)術(shù)年會論文摘要集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 王小龍;美開發(fā)出基于熱映像的圖像分割算法[N];科技日報(bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 姜朝暉;64層MSCT評價(jià)冠狀動脈非鈣化斑塊和旁路移植血管的臨床應(yīng)用[D];蘇州大學(xué);2007年

2 甘露;基于三重馬爾可夫場的無監(jiān)督SAR圖像分割算法研究[D];西安電子科技大學(xué);2015年

3 許曉麗;基于聚類分析的圖像分割算法研究[D];哈爾濱工程大學(xué);2012年

4 車娜;基于偏移場的核磁共振腦圖像分割算法研究[D];吉林大學(xué);2013年

5 皮志明;結(jié)合深度信息的圖像分割算法研究[D];中國科學(xué)技術(shù)大學(xué);2013年

6 依玉峰;圖像分割算法的研究與應(yīng)用[D];東北大學(xué);2012年

7 李艷靈;基于聚類的圖像分割算法研究[D];華中科技大學(xué);2009年

8 顏剛;基于模糊馬爾可夫場的圖像分割算法研究[D];第一軍醫(yī)大學(xué);2005年

9 李彬;基于模糊隨機(jī)模型的磁共振腦部圖像分割算法研究[D];第一軍醫(yī)大學(xué);2007年

10 錢曉華;圖像分割算法和CT缺血性腦中風(fēng)檢測算法研究[D];吉林大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 王林;冠脈CT造影圖像的血管分割與斑塊祛除[D];北京郵電大學(xué);2017年

2 劉一帆;雙源CT評估老年人群冠狀動脈粥樣及鈣化斑塊的臨床應(yīng)用與研究[D];遵義醫(yī)學(xué)院;2016年

3 武倩;256層螺旋CT在冠狀動脈病變診斷中的臨床應(yīng)用價(jià)值探討[D];山西醫(yī)科大學(xué);2016年

4 劉文民;16層螺旋CT和冠狀動脈造影檢測冠心病患者鈣化斑塊及狹窄的比較[D];大連醫(yī)科大學(xué);2008年

5 吳江;寶石CT對冠脈鈣化斑塊與臨近非鈣化斑塊的觀察[D];山西醫(yī)科大學(xué);2013年

6 李佳茗;多層螺旋CT血管造影在血管性病變診斷中的臨床應(yīng)用研究[D];延邊大學(xué);2008年

7 張培;16排螺旋CT在冠心病診斷中的臨床價(jià)值[D];浙江大學(xué);2007年

8 穆易;復(fù)雜背景下樹干圖像分割算法及其識別系統(tǒng)的研究[D];天津理工大學(xué);2015年

9 張巍;多源圖像的分割與識別算法研究[D];上海交通大學(xué);2015年

10 靳鑫;基于Android平臺圖像分割算法研究及系統(tǒng)實(shí)現(xiàn)[D];山東大學(xué);2015年

，

本文編號：1712914